- عنوان کتاب: Artificial Neural Networks and Type-2 Fuzzy Set
- نویسنده: Snehashish Chakraverty, Arup Kumar Sahoo
- حوزه: سیستم پیچیده
- سال انتشار: 2025
- تعداد صفحه: 243
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 5.81 مگابایت
محاسبات نرم با هدف بهرهبرداری از تحمل عدم دقت، استدلال تقریبی و عدم قطعیت برای دستیابی به استحکام، قابلیت ردیابی و اثربخشی هزینه برای ساخت ماشینهای هوشمند انجام میشود. روشهای محاسبات نرم شامل شبکههای عصبی، نظریه و منطق مجموعههای فازی، الگوریتمهای ژنتیک، شبکههای بیزی و مجموعههای خشن و موارد دیگر است. در این راستا، شبکههای عصبی به طور گسترده برای مدلسازی حلکنندههای پویا، طبقهبندی دادهها و پیشبینی راهحلها استفاده میشوند، در حالی که مجموعههای فازی یک چارچوب طبیعی برای مقابله با عدم قطعیت ارائه میدهند. کتاب «شبکههای عصبی مصنوعی و مجموعه فازی نوع ۲: عناصر محاسبات نرم و کاربردهای آن» مفاهیم اساسی و آخرین تحقیقات در مورد انواع شبکههای عصبی مصنوعی (ANN)، از جمله یادگیری ماشین علمی و مجموعه فازی نوع ۲ (T2FS) را پوشش میدهد. علاوه بر این، این کتاب کاربردهای مختلفی را برای حل مسائل دنیای واقعی همراه با مثالها و مطالعات موردی مختلف پوشش میدهد. لازم به ذکر است که تحقیقات زیادی در مورد ANN و نظریه مجموعههای فازی/منطق فازی انجام شده است. با این حال، کتاب «شبکههای عصبی مصنوعی و مجموعههای فازی نوع ۲» اولین کتابی است که استفاده از ANN و نظریه مجموعههای فازی را در رابطه با مجموعههای فازی نوع ۲ در مسائل ایستا و پویا به طور یکجا پوشش میدهد. شبکههای عصبی مصنوعی و مجموعههای فازی نوع ۲ دو مورد از پرکاربردترین تکنیکهای هوش محاسباتی برای حل مسائل پیچیده در حوزههای مختلف هستند. هم ANN و هم T2FS ویژگیهای منحصر به فردی دارند که آنها را برای انواع مختلف مسائل مناسب میکند. این کتاب درک عمیقی از نحوه به کارگیری این تکنیکهای هوش محاسباتی در زمینههای مختلف علوم و مهندسی به طور کلی و به طور خاص در مسائل ایستا و پویا به خواننده ارائه میدهد. علاوه بر این، برای اهداف اعتبارسنجی مدلهای ANN و فازی، راهحلهای به دست آمده از هر مدل در کتاب با راهحلهای موجود (در موارد خاص) که با روشهای عددی یا تحلیلی به دست آمدهاند، مقایسه میشود.
Soft computing aims to exploit tolerance for imprecision, approximate reasoning, and uncertainty to achieve robustness, tractability, and cost effectiveness for building intelligent machines. Soft computing methodologies include neural networks, fuzzy set theory and logic, genetic algorithms, Bayesian networks, and rough sets, among others. In this regard, neural networks are widely used for modeling dynamic solvers, classification of data, and prediction of solutions, whereas fuzzy sets provide a natural framework for dealing with uncertainty. Artificial Neural Networks and Type-2 Fuzzy Set: Elements of Soft Computing and Its Applications cover the fundamental concepts and the latest research on variants of Artificial Neural Networks (ANN), including scientific machine learning and Type-2 Fuzzy Set (T2FS). In addition, the book also covers different applications for solving real-world problems along with various examples and case studies. It may be noted that a good amount of research has been done on ANN and Fuzzy Set theory/Fuzzy logic. However, Artificial Neural Networks and Type-2 Fuzzy Set is the first book to cover the use of ANN and fuzzy set theory with regards to the Type-2 Fuzzy Set in static and dynamic problems in one place. Artificial Neural Networks and Type-2 Fuzzy Sets are two of the most widely used computational intelligence techniques for solving complex problems in various domains. Both ANN and T2FS have unique characteristics that make them suitable for different types of problems. This book provides the reader with an in-depth understanding of how to apply these computational intelligence techniques in various fields of science and engineering in general, and static and dynamic problems in particular. Further, for validation purposes of the ANN and fuzzy models, the obtained solutions of each model in the book is compared with already existing solutions (in special cases) that have been obtained with numerical or analytical methods.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
نظرات کاربران